이 페이지의 목차

이 페이지는 한국어로 번역되었습니다. 문서 페이지는 여전히 영어로 작성되어 있습니다. 이 페이지를 영어로 읽기

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

사회과학 교육 — 사람들을 총체적으로 연구하는 학문들, 즉 정치와 시민, 경제와 경영, 사회학, 지리와 환경 연구를 가르치는 일입니다. AI는 이 분야에 두 번 들어옵니다. 학생들이 배우는 방법을 바꾸는 도구로서, 그리고 연구 대상으로서입니다. 알고리즘 시스템이 이제 그 학문들이 서술하는 제도들을 운영하기 때문입니다. 이 클러스터는 학문 분야별 AI 교육 아래에서 인문·사회과학 교육 및 STEM 교육과 나란히 놓입니다. 연구 커버리지는 얇고 고르지 않습니다. 경영학이 가장 큰 문헌을 보유하고, 시민 교육은 자료는 있지만 측정된 학습 결과가 거의 없으며, 환경 교육은 교수 보조 도구로서의 AI와 비용으로서의 AI 사이로 갈라져 있습니다.

생각해 볼 질문들

  • 모델이 문헌 검토, 설문 도구, 시장 분석을 모두 작성할 수 있다면, 강좌는 실제로 방법의 어느 부분을 평가하고 있는 것입니까?
  • 시민과 수업안을 작성하라고 한 모델이 열 번 중 아홉 번 암기 수준의 과제를 기본값으로 내놓는다면, 그것은 모델이 충족하도록 훈련받은 기준에 대해 무엇을 드러냅니까?
  • 경영 교육은 사회과학 중 가장 큰 AI 문헌을 보유하면서도 평가에 대한 합의가 가장 적습니다. 전략을 가르치는 분야가 무엇을 채점할지 개정하는 데 왜 느릴까요?
  • 환경 교육은 AI를 도구로 가르치는 동시에 에너지 비용으로도 가르쳐야 합니다. 하나의 강좌가 두 번째를 윤리적 곁다리 언급으로 만들지 않으면서 둘 다 담을 수 있습니까?

들어가며

사회과학은 사람들을 총체적으로 연구합니다. 제도가 권력을 어떻게 분배하는지, 시장이 재화를 어떻게 배분하는지, 대중이 어떻게 여론을 형성하는지, 사회가 토지와 에너지를 어떻게 사용하는지를 연구합니다. 그 방법은 설문, 모형, 비교, 사례이며, 대표적인 평가는 학생이 직접 관찰할 수 없는 사회 세계에 대해 주장을 펼치도록 요구합니다.

그 대상이 이 클러스터를 이웃들과 구별되게 만듭니다. 인문·사회과학 교육은 텍스트와 유물을 해석하지만, 사회과학은 모집단과 기제를 해석하며, 그 차이는 학생에게 무엇을 변호하라고 요구할 수 있는지에서 드러납니다. STEM 교육은 양적 방법을 공유하지만 대상은 공유하지 않습니다. 물리학 결과는 자연에 비추어 검증할 수 있지만, 투표 행동에 대한 주장은 표본에 비추어서만 검증할 수 있습니다.

클러스터 내부의 변이는 크고, 문헌도 그 변이를 따릅니다. 경영학 교육에는 교과과정, 평가, 도입에 관한 10년치 출판 연구가 있습니다. 시민 및 정치 교육에는 AI가 민주적 역량을 어떻게 훼손할 수 있는지 서술하는 자료들이 있지만, 측정된 시민 학습 결과는 하나도 없습니다. 환경 교육은 이중 주제를 안고 있습니다. 가르치는 기술 자체가 환경 행위자이기 때문입니다. 이 각각의 갈래는 고유한 다룸을 가지고 있습니다 — 경영학 교육, 시민 및 정치 교육, 환경 교육 — 그리고 그들이 공유하는 것이 바로 이 클러스터의 논지입니다.

클러스터 전반에서 AI가 나타나는 방식

  • 시민과에서, 교과과정 생산자로서. 53개 시민과 기준에 맞춰 작성된 AI 생성 수업안 310개를 분석한 결과, 90%가 저차원 목표를 향하고 94%가 다문화 내용을 담지 않았습니다(Civic education in the age of AI: Should we trust AI-generated lesson plans). 실패는 사실 오류가 아니라 기본 교수법입니다. 모델은 주어진 기준의 가장 피상적인 읽기를 재생산했습니다.
  • 시민과에서, 연구 대상으로서. Nkalanga(2026)는 남아프리카공화국의 알고리즘 국경 통치를 시민 리터러시 문제로 읽으며, 자동화된 국가 결정에 대해 시민이 이해해야 할 것에서 따라 나오는 다섯 가지 요구를 도출합니다.
  • 경영학에서, 교과과정 질문으로서. Csaszar 외(2026)는 가치 기반 전략 렌즈를 통해 AI가 경영 교육의 목적을 어떻게 바꾸는지 분석하며, 기술이 어떤 활동을 대체하고 어떤 활동을 보완하는지 묻습니다. Espino & Espino(2026)는 그 질문에 앞선 10년의 연구를 다루고, Drummond & Dale(2026)는 학교가 어떻게 대응해야 하는지에 대한 학생 의견 기반 프레임워크를 구축합니다.
  • 경영학에서, 채점 문제로서. Mesny(2026)는 강의계획서가 아니라 평가 설계를 변화의 현장으로 다룹니다. 학생 마케팅 게시물의 자동 채점은 일치도와 오류를 직접 측정하는데, 이는 이 클러스터에서의 타당도 질문입니다. 인간 채점자와 일치하는 점수가 반드시 의도한 학습을 측정하는 점수는 아닙니다.
  • 환경 연구에서, 이중 주제로서. Daniel(2026)은 지속가능성을 위한 AI와 지속가능한 AI를 분리하며, 글로벌 사우스 격차가 양쪽 모두를 관통함을 발견합니다. AIED의 탄소 발자국 보고는 2025년 공시 실태를 검토하고 후자를 위한 오픈소스 방법을 제공하며, AI 보조 기후 탐구는 전자에 대해 탐구만보다 d = 0.69의 효과를 보고합니다.

측정의 공백

이 클러스터에서 가장 약한 증거가 정치적으로 가장 중요합니다. 시민 교육은 AI가 무엇을 훼손할 수 있는지 — 민주적 역량, 공유된 사실적 기반, 제도에 대해 추론하는 능력 — 가장 명확하게 서술하지만, 어떤 개입이든 그것을 개선한다는 증거는 거의 없습니다. 경영 교육은 가장 많은 연구를 제공하지만 무엇을 채점해야 하는지에 대한 합의가 가장 적습니다. 환경 교육은 탐구에 대한 효과크기와 발자국에 대한 공시 감사를 제공하지만, 하나의 강좌에서 둘 다를 제공하는 경우는 드뭅니다.

정직한 읽기는 이 클러스터가 학생들이 무엇을 배우는지보다 AI가 교실에서 어떻게 사용되고 있는지를 더 많이 안다는 것입니다. 그 공백을 메우는 데 필요한 연구 방법은 평범합니다. 사전등록 비교, 자기보고가 아닌 결과 측정, 그리고 처치와 평가가 모두 모델에 의해 작성되었다는 반론을 견디는 설계입니다.

클러스터가 얇은 곳

심리학: 연구되기보다 표본으로 더 자주 추출됩니다. 이 학문은 이제 자체 페이지 심리학 교육을 갖습니다. 클러스터의 나머지를 모두 합친 것보다 더 많은 강좌 수준 증거를 담고 있기 때문입니다. 아래는 클러스터 수준의 요약과 그 페이지가 존재하는 이유입니다. 심리학 증거의 대부분은 심리학 교과과정 자체를 검토하기보다 심리학 학생을 편리한 참가자로 모집하는 연구에서 나옵니다. 네 가지 예외가 강좌 자체를 살펴봅니다. Richmond와 Nicholls는 2학년 심리학 "미디어 과제"에서 동료 평가를 ChatGPT로 대체했습니다. 출판된 논문을 보도자료와 영상으로 바꾸는 과제입니다. Préau와 동료들은 튀빙겐의 심리학 학부생을 위한 한 학기 길이의 R 프로그래밍 강좌 전반에 "R-Tutor"를 배치했으며, 사전등록되고 종단적으로 수행되었습니다.

두 연구는 심리학 학생이 무엇을 아는지, 어떻게 판단하는지를 더 검증합니다. Richter와 동료들은 30개 정신건강 진술을 150명의 심리학 학생과, 각각 80회 실행된 네 개 LLM에 제시했습니다. Reed와 동료들은 여섯 개 비네트를 사용해 531명의 학부생에서 AI 리터러시가 응용 윤리 판단을 예측하는지 검증했습니다.

나머지는 일반 학생에 관한 것입니다. 인지 심리학, 발달 심리학, 동기, 자기효능감은 학습이 어떻게 작동하는지에 관한 페이지이지, 심리학 강좌가 어떻게 가르쳐지는지에 관한 페이지가 아닙니다. 시뮬레이션된 AI 보조 에세이 과제에서 피드백 리터러시가 에세이 성적의 유일한 유의미한 예측변수였습니다(β = 0.46, p = 0.017; Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing).

비판적 GenAI 사용은 자기보고와 객관적 검사 양쪽으로 측정된 지식, 그리고 인식론적 지향성과 지적 가치에 의해 예측됩니다. 심리학은 응답자가 나오는 곳이기도 합니다. 최근 2년 재현 연구에서 가장 큰 단일 전공은 심리학으로, 991명 중 300명이었습니다. 그래서 이 학문은 그런 설문의 표본을 제공하면서도 그 설문의 주제가 되지는 않습니다.

이제 세 개의 심리학 강좌가 기록에 더 추가되었습니다. Baudin은 실험심리학 강좌를 위해 ChatGPT-4가 80개 문항을 작성하게 하고, 120명의 학생으로 전문가 검토와 문항 분석을 거쳤습니다. 신뢰도는 유지되었지만, 문항의 73.75%가 암기를 측정했고 분석이나 평가에 도달한 것은 8.75%뿐이었습니다. Akkurt와 동료들은 상담자 수련생을 위해 GPT-4o를 내담자로 사용했는데, 수행 불안은 낮추었지만 지나치게 쉽게 동의하고, 정서적 뉘앙스가 없으며, 문화적으로 중립에 머무는 내담자를 만들어 냈습니다. Armagan-Bogatekin은 286명의 심리학 학생과 심리치료 수련생을 모형화하여 여섯 개 영역 모두에서 서너 개의 클래스를 발견했습니다. 이는 훈련받을 평균적 수련생이란 존재하지 않는다는 가장 강력한 증거입니다.

사회학은 세 연구에서 다섯 연구로 늘었습니다. Dixon과 Buchmann은 20문항 사회학 퀴즈를 2주 동안 매일 ChatGPT, DeepSeek, Gemini에 제시하여 0.91에서 1.00의 결합 카파를 발견했으며, 불일치는 응용을 요구하는 두 문항에 집중되었습니다. Malik은 18명의 사회학 학생을 면접했는데, 그들은 ChatGPT를 개요 작성과 이론 명료화를 위한 사고 동반자로 묘사하면서 자신의 목소리를 잃을까 우려했습니다. García-Alonso와 동료들은 216명의 스페인 사회과학 학생을 설문하여, 교수진 훈련을 받은 학생이 도구에 대해 더 낮은 자신감을 보고함을 발견했습니다.

사회학: 세 연구. Kuznetsov, Sheely, Baker는 504명의 사회학 학생을 설문하고 12명을 더 면접했습니다. 3분의 2는 AI를 선별적으로 사용하며, 주로 후속 질문, 읽기 자료 요약, 연습 문제에 씁니다. 81%가 어떤 지침이든 받았지만, 매우 명확하다고 느낀 것은 46%뿐이었습니다.

Wells는 강좌 사례를 보고합니다. 3000번대 연구방법 강좌의 학생 24명이 18개의 스캐폴딩된 워크숍 중 6개에서 Copilot을 사용했으며, 제안서 작성에는 사용이 금지되었습니다. Farazouli와 동료들은 교수 쪽에서 접근합니다. 사회학, 철학, 법학, 교육학의 스웨덴 교사 24명이 평가 워크숍에서 AI 생성 작업에 대해 추론합니다.

임상 사례는 진정으로 학문적이며 여기서 가장 강한 설계를 갖습니다. 심리치료 훈련을 위한 적응형 가상 환자는 20명의 임상가와 수련생과 1,033턴을 진행했습니다. 자기개방은 치료자의 공감과 탐색에 따라 증가했습니다. 기저 데이터에서 탐색은 공감의 약 78배 일을 했지만, 배치된 시스템은 탐색에 3배의 가중치를 두었습니다. 그래서 이 시스템을 상대로 연습하는 수련생은 시뮬레이터가 보상하는 것에 최적화할 위험이 있습니다.

지리학은 환경 교육을 통해서만 문헌에 도달합니다. 사회학이나 심리학을 가르친다면, 존재하는 연구는 그 연구들입니다. 증거의 형태 자체가 발견입니다. 사회학에는 설문 하나, 강좌 사례 하나, 교사 연구 하나, 심리학에는 네 개의 강좌 연구가 있습니다.

사회과학 교수자를 위한 함의

  • 산출물이 아니라 방법을 보이게 만드십시오. 제출물이 보고서라면 강좌는 보고서 작성을 평가하는 것입니다. 점수를 도구 설계, 표본추출 결정, 인과 주장의 방어 가능성으로 옮기십시오.
  • 자동 채점을 구성개념에 비추어 확인하십시오. 인간 채점자와의 일치는 신뢰도 결과이지 타당도 결과가 아니며, 마케팅 게시물 연구는 그 공백을 한 페이지에서 보여 줍니다.
  • 도구만이 아니라 제도를 가르치십시오. 알고리즘 거버넌스는 이제 시민과, 법학, 행정학이 서술하는 것의 일부이며, 국경 사례가 가장 명확한 예입니다.
  • 비용과 편익을 하나의 틀 안에 담으십시오. 탄소 집약적 도구로 전달되는 지속가능성 강좌는 양쪽 절반을 모두 계산해야 하며, 발자국 보고가 그 방법을 제공합니다.

흔한 오해

"사회과학 교육에서 AI는 주로 연구 도구 문제다." 이 클러스터에서 측정된 가장 큰 효과는 연구 관행이 아니라 교과과정 생산과 채점에 있습니다. 시민과 분석과 마케팅 게시물 채점 모두 학생에게 무엇이 주어지고 어떻게 판단되는지에 관한 것입니다.

"시민 교육의 문제는 학생이 챗봇의 말을 믿게 된다는 것이다." 문서화된 문제는 그보다 얇습니다. AI 생성 시민과 자료는 암기 수준 과제를 기본값으로 하고 다문화 내용을 완전히 떨어뜨립니다. 그래서 위험은 어떤 학생이 오도되기 전에 이미 판단을 가르치기를 멈추는 교과과정입니다.

"환경 교육은 AI의 발자국을 윤리 주제로 다룰 수 있다." 발자국은 설계 매개변수입니다. 지연시간, 모형 크기, 호스팅이 그것을 결정하며, 보고 문헌은 그것을 권고가 아니라 측정 가능한 것으로 다룹니다.

연결된 개념

연결된 문서

연결된 리소스

  • 심리학 강좌에 생성형 AI 통합하기
    심리학 교육에서 생성형 AI를 다룬 21개 강좌 수준 보고를 담은 255쪽 분량의 STP 오픈 액세스 논문집으로, 입문 과목부터 임상 훈련과 통계까지 아우릅니다.

이 페이지 삽입

아래 코드를 복사하여 학습 관리 시스템이나 다른 웹사이트에 이 페이지를 삽입하세요. 삽입된 버전은 페이지 콘텐츠만 표시하며, 사이트의 헤더, 내비게이션, 푸터는 숨겨집니다.